《保险行业数据挖掘.ppt》由会员分享，可在线阅读，更多相关《保险行业数据挖掘.ppt（24页珍藏版）》请在三一文库上搜索。
1、保险行业数据挖掘,中国保险业信息管理的普遍现状,汇集了大量客户信息和业务数据（如保单信息、客户信息、交易信息、财务信息等数据） 缺乏对数据背后隐含知识进行挖掘的意识、手段和工具,问题：如何更好地汇总、分析这些海量数据，并从中挖掘出业务内在规律,将其变为有用的信息和商机？,解决思路,为提高竞争力,保险公司需要从大量的、实际已发生的业务数据中,挖掘出有用的信息和知识,探寻业务规律和模式。,保险行业数据挖掘案例,数据挖掘概念及功能,1. 预测 预测是分析对象发展的规律,对未来的趋势作出预见。 例如,使用过去有关信用卡促销的数据来寻找未来信用卡消费中能使银行获取最大盈利的客户。 预测问题的解决更多的是
2、采用统计学的技术,例如回归分析和时间序列分析等。,数据挖掘概念及功能,2. 关联 关联是某种事物发生时,其他事物也会发生的这样一种联系。 关联规则挖掘的任务是求出所有满足最小支持度和最小可信度的关联规则。,例：规则AB, 支持度=P(A,B)，置信度=P(B|A) 支持度是对关联规则的重要性的衡量；置信度是对关联规则准确度的衡量。它们分别反映发现规则的有用性和确定性。,数据挖掘概念及功能,3. 聚类 数据库中的记录可被划分为一系列有意义的子集,即聚类。 根据最大化类内部相似性、最小化类之间相似性的原则进行聚类或分组, 所形成的每个簇(cluster)可以看作一个对象类,由它可以导出规则。 应用
3、聚类技术可以增强人们对客观现实的认识,是概念描述和孤立点分析的先决条件。,数据挖掘概念及功能,4.分类 分类是预测一个未知类别的用户,属于哪个类别(相当于做单选题)。 聚类是根据预先设定的指标,对一群对象进行划分,它不属于预测问题。,数据挖掘概念及功能,5.孤立点分析 数据库中的数据常有一些与一般模式存在较大偏差的异常记录,称为孤立点。 孤立点往往包含很多潜在的知识,如分类中的反常实例、不满足规则的特例、观测结果与模型预测值的偏差等。,保险业数据挖掘应用的切入点,1.客户关系管理 数据挖掘技术可以应用在保险业客户生命周期管理的各个阶段,包括客户获取、客户价值提升、客户保持、客户衰退和流失分析等
4、。,1) 客户细分：通过建立客户分类模型,保险公司可以清楚地知道哪些人群是目标客户,从而提高保险客户获取的效率。,2) 险种产品与客户的关联分析：通过建立模型,保险公司能够向目标客户提供更合适的产品方案,从而提高客户的满意度及保险公司的长期利益。,保险业数据挖掘应用的切入点,3) 挽留老客户：因为获得新客户的成本远远高于保留旧客户的成本，因此保险公司迫切需要了解客户流失的影响因素。 根据流失的客户和没有流失的客户性质和消费行为,从用户资料、保单数据、缴费数据、保全理赔记录等数据中提取相关的信息,进行挖掘分析,建立客户流失预测模型,分析哪些客户的流失概率较大,流失客户的消费行为如何,从而科学地进
5、行流失客户的预测和分析,辅助管理人员制定相应的政策,为挽留客户提供决策依据。,2.异常数据挖掘与反保险欺诈 自保险产生以来,保险欺诈便应运而生。以保图赔或以保获利已经成为一些投保人或被保险人的畸形心态,其目的就是通过保险获取保险单项下的额外利益。 资料表明, 平均保险业务的欺诈损失在10%30%左右。,保险业数据挖掘应用的切入点,异常数据挖掘是保险欺诈识别中发现索赔数据奇异点(outlier) 的重要方法。对于异常数据的挖掘主要是使用孤立点分析。 针对不同险种、不同地域、不同客户群进行专门的数据挖掘,发现更具体化的欺诈特征,以制定出具有针对性的措施,提高反欺诈的效果。,3.险种关联分析与交叉销
6、售、提升销售 保险公司从顾客购买的保险产品中发现一定的关联,如主险间、主险与附加险、豁免险之间的选购规律,从而提供高质量的保险产品组合,辅助营销部门进行交叉销售、提升销售。,保险业数据挖掘应用的切入点,例如：某些购买儿童险产品的客户大都遵循着这样的投保程序： 人身意外伤害险 教育储蓄险 年金分红类理财产品 保险公司可以使用这个信息来评估客户，从而对那些最可能遵循这个规律的客户直接实施营销手段，这样能有效地实施交叉销售和提升销售战略。,4.保险金额的确定 对投保人进行分类有助于确定适当的保险金额。通过数据挖掘可以得到：对不同行业的人、不同年龄段的人、处于不同社会层次的人的保险金额该如何确定。,保险业数据挖掘应用的切入点,5.风险管理 将客户信用分成若干个等级,对客户风险进行预测,从而有针对性地对信用等级预测低的个别客户进行详细的调查核实材料,可以有效地避免客户骗保的发生,降低公司保险投资风险,尽量避免经济损失。,保险业数据挖掘应用的切入点,Thanks!,